СТРАТИФІКОВАНА ВИБІРКА: ЩО ЦЕ, ТИПИ, ПЕРЕВАГИ ТА НЕДОЛІКИ - ЕКОНОМІКА - 2025

Стратифікована вибірка , або розшарування, являє собою метод відбору проб , який включає в себе поділ популяції на більш дрібні підгрупи, відомі як шари. У свою чергу, ці верстви формуються на основі спільних ознак або характеристик членів, таких як рівень доходу або рівень освіти.

Він використовується для виділення відмінностей між групами в сукупності, на відміну від простого відбору проб, який розглядає всіх членів популяції як рівних, з однаковою ймовірністю вибірки.

Джерело: needpix.com

Мета - підвищити точність вибірки за рахунок зменшення похибки вибірки. Він може давати середньозважене середнє значення з меншою мінливістю, ніж середнє арифметичне простої вибірки сукупності.

Стратифікація - це процес фрагментації членів популяції на однорідні підмножини до вибірки. Через верстви визначається розподіл населення.

Тобто вона повинна бути колективно вичерпною та взаємовиключною, так що кожному елементу населення повинен бути призначений єдиний прошарок. Тоді систематичний або простий відбір проб застосовується в межах кожного прошарку.

Важливі міркування

Важливо зауважити, що шари не повинні розташовуватися один до одного. Перекриття підгруп надасть деяким людям більше шансів бути обраними суб'єктами. Це повністю притуплює поняття стратифікованого відбору проб як прототипу вибірки.

Не менш важливо, що дослідник повинен використовувати просту вибірку в різних верствах.

Найбільш поширені верстви, які використовуються в стратифікованій вибірці, - це вік, стать, соціально-економічний статус, релігія, національність та рівень освіти.

Що таке стратифікований відбір проб?

Завершуючи аналіз на групі суб'єктів, що мають схожі характеристики, слідчий може виявити, що чисельність населення занадто велика, щоб завершити розслідування.

Щоб заощадити час та гроші, можна здійснити більш здійсненну перспективу, вибравши невелику групу з населення. Ця невелика група називається розміром вибірки, яка є підгрупою сукупності, яка використовується для представлення всієї сукупності.

Вибірка з популяції може бути відібрана декількома способами, один з яких - стратифікований відбір проб. Це передбачає поділ загальної сукупності на однорідні групи, що називаються стратами. Потім відбирають випадкові зразки з кожного прошарку.

Процес виконання стратифікованого відбору проб

- Розділити населення на підгрупи або менші верстви, відповідно до ознак та характеристик, якими поділяються члени.

- Візьміть випадкову вибірку з кожного прошарку в кількості, пропорційній розміру шару.

- Згрупуйте підмножини шарів для формування випадкової вибірки.

- Проведіть аналіз.

Наприклад, розглянемо дослідника, який хотів дізнатися кількість студентів-бізнесу, які отримали пропозицію про роботу протягом трьох місяців після закінчення 2018 року. Вони незабаром виявлять, що в цьому році було майже 200 000 випускників бізнесу.

Ви можете вирішити просто взяти випадкову вибірку з 5000 випускників та провести опитування. А ще краще, ви можете розділити населення на верстви і взяти випадкову вибірку з цих верств.

Для цього слід створити групи населення на основі віку, раси, національності чи професійного походження.

З кожного прошарку буде взято випадкова вибірка, пропорційна розміру прошарку щодо загальної кількості населення. Ці підмножини будуть згруповані разом для формування вибірки.

Типи

Пропорційний стратифікований відбір проб

У цьому типі розмір вибірки для кожного прошарку пропорційний розміру популяції шару в порівнянні з загальною сукупністю. Це означає, що кожен прошарок має однакову частоту вибірки.

Коли для визначення шарів вибирається характеристика індивідів, отримані підгрупи часто мають різну величину.

Наприклад, ви хочете вивчити відсоток мексиканського населення, яке курить, і ви вирішили, що вік був би хорошим критерієм стратифікації, оскільки вважається, що звички до паління можуть суттєво відрізнятися залежно від віку. Визначено три верстви:

- До 20 років.

- Між 20 і 44 роками.

- понад 44.

Коли населення Мексики розділиться на ці три верстви, три групи не очікуються однакового розміру. Насправді фактичні дані підтверджують це:

- Стратум 1: 42,4 млн (41,0%).

- Стратум 2: 37,6 млн. (36,3%).

- Стратум 3: 23,5 млн (22,7%).

Якщо використовується пропорційна стратифікована вибірка, зразок повинен складатися з верств, які підтримують ті ж пропорції, що й сукупність. Якщо ви хочете створити вибірку з 1000 особин, зразки повинні мати такі розміри:

Це дуже схоже на збір меншої кількості населення, що визначається відносними частками верств населення.

Уніфікована стратифікована вибірка

У цьому типі однаковий розмір вибірки присвоюється всім визначеним верствам незалежно від ваги цих верств у межах сукупності.

Рівномірний стратифікований відбір з попереднього прикладу дасть наступний зразок для кожного прошарку:

Цей метод надає перевагу верствам, які мають меншу вагу населення, надаючи їм такий же рівень важливості, як і більш релевантні верстви.

Це знижує загальну ефективність вибірки, але дозволяє вивчати індивідуальні характеристики кожного прошарку з більшою точністю.

У прикладі, якщо ви хочете зробити конкретне твердження про популяцію шару 3 (понад 44), ви можете зменшити помилки вибірки, використовуючи вибірку 333 одиниці, а не вибірку 227 одиниць, отриману з пропорційна стратифікована вибірка.

Переваги і недоліки

Стратифікована вибірка працює добре для популяцій, які мають різноманітні ознаки, але в іншому випадку не буде ефективною, якщо не можна сформувати підгрупи.

- Перевага

Зберіть ключові функції

Основна перевага стратифікованого відбору проб полягає в тому, що він збирає ключові характеристики сукупності у вибірці.

Подібно до середньозваженого, цей метод вибірки дає характеристики у вибірці, пропорційні загальній сукупності.

Більш висока статистична точність

Стратифікація дає меншу помилку в оцінці, ніж простий метод вибірки. Чим більша різниця між пластами, тим більший коефіцієнт посилення в точності.

Існує більш висока статистична точність порівняно з простим відбором. Це пов’язано з тим, що в межах підгруп мінливість є нижчою в порівнянні з коливаннями, що виникають із загальною сукупністю.

Менший розмір зразка

Оскільки ця методика має високу статистичну точність, це також означає, що вона вимагає меншого розміру вибірки, що може заощадити дослідникам багато зусиль, грошей та часу.

- Недоліки

На жаль, цей метод дослідження не може бути використаний у всіх дослідженнях. Недоліком методу є те, що для його правильного використання необхідно виконати кілька умов.

Складність пошуку верств

Основним недоліком є ​​те, що визначити відповідні верстви для дослідження може бути важко. Крім того, знайти повний і остаточний список цілої сукупності може бути складним завданням.

Складність організації

Другим недоліком є ​​те, що складніше організувати та проаналізувати результати порівняно з простим відбором.

Дослідники повинні ідентифікувати кожного члена досліджуваної сукупності та класифікувати його лише на одну підгрупу. Як результат, стратифікована вибірка є невигідною, коли дослідники не можуть впевнено класифікувати кожного члена популяції на підгрупу.

Протиставлення може бути проблемою, якщо є суб'єкти, які потрапляють у кілька підгруп. Коли проводиться просте відбір проб, більш схильні до вибору групи з декількох підгруп. Результатом може бути неправильне представлення чи неточне відображення населення.

Такі приклади, як студенти коледжу, випускники, чоловіки та жінки, спрощують це, оскільки це чітко визначені групи.

Однак в інших ситуаціях це може бути набагато складніше. Ви можете уявити собі такі характеристики, як раса, етнічна приналежність чи релігія. Процес класифікації став би складнішим, зробивши стратифіковану вибірку неефективним методом.

Приклад

Припустимо, дослідницька команда хоче визначити середній бал студентів коледжу у Сполучених Штатах.

У дослідницької групи є очевидні труднощі зі збиранням цих даних у 21 мільйонів студентів коледжу. Тому ви вирішили взяти вибірку у населення, використовуючи лише 4000 студентів.

Команда розглядає різні ознаки учасників вибірки та запитує, чи є різниця між середнім балом та спеціалізацією студентів.

У вибірці виявлено, що 560 студентів - англійські студенти, 1135 наук, 800 інформатики, 1090 інженерних наук та 415 математики.

Команда хоче використовувати пропорційну стратифіковану вибірку, де шари вибірки пропорційні вибірці популяції.

Створення верств

Для цього команда досліджує статистику студентів університетів у США та виявляє офіційний відсоток студентів, які спеціалізуються: 12% англійською мовою, 28% - наукою, 24% - інформатикою, 21% - технікою та 15% з математики.

Тому в процесі стратифікованої вибірки створюється п'ять верств. Команда повинна підтвердити, що прошарок населення пропорційний шару проби. Однак він вважає, що пропорції не рівні.

Отже, команді необхідно переупорядкувати чисельність 4000 студентів, але цього разу випадковим чином вибрали 480 (12%) учнів англійської мови, 1120 (28%) наук, 960 (24%) інформатики, 840 ( 21%) з техніки та 600 (15%) з математики.

З цим ми маємо пропорційну стратифіковану вибірку студентів університету, що забезпечує кращу представленість студентів університетів у США.

Дослідники зможуть виділити конкретний прошарок, спостерігати за різними дослідженнями студентів коледжів США та спостерігати за різними середніми бальними рівнями.

Список літератури

1. Адам Хейс (2019). Стратифікована випадкова вибірка. Взято з: investstopedia.com.
2. Вікіпедія, безкоштовна енциклопедія (2019). Стратифікований відбір проб. Взято з: en.wikipedia.org.
3. Досліджуваний (2019). Стратифікований метод відбору проб. Взято з: explorable.com.
4. Огляд Gizmo (2019). Що таке стратифікований відбір проб та коли він використовується? Взято з: surveygizmo.com.
5. Ешлі Кроссман (2019). Розуміння стратифікованих зразків і як їх зробити. Думка Co. Взято з: thinkco.com.
6. Карлос Очоа (2017). Випадкова вибірка: стратифікована вибірка. Взято з: netquest.com.